TPOT 训练时间太长

Question

我第一次尝试在大约 7000 行的数据集上使用 tpot，当尝试在占整个数据集 25% 的训练数据集上训练 tpot 时，tpot 花费的时间太长。我在 google colab 上运行代码大约 45 分钟，优化进度仍为 4%。我一直在尝试使用 :http://epistasislab.github.io/tpot/examples/ 上的示例。 tpot需要这么长时间是不是很典型，因为到目前为止我认为即使尝试使用它也不值得

Answer 1

TPOT 可能需要很长时间，具体取决于您拥有的数据集。您必须考虑 TPOT 正在做什么：TPOT 正在评估数以千计的分析管道并在后台在您的数据集上拟合数千个 ML 模型，如果您有一个大型数据集，那么所有拟合可能需要很长时间——尤其是如果您正在一台功能较弱的计算机上运行它。

如果您想要更快的结果，您有几个选择：

1. 使用 "TPOT light" configuration，它使用更简单的模型并且运行速度更快。

2. 将 n_jobs 参数设置为 -1 或大于 1 的数字，这将允许 TPOT 并行评估管道。如果您拥有多核机器，-1 将使用所有可用内核并显着加快运行速度。

3. 使用 subsample 参数对数据进行子采样。默认值为 1.0，对应于使用 100% 的训练数据。您可以对较低百分比的数据进行二次采样，这样 TPOT 会运行得更快。